พูดถึงเรื่อง Outsource ไม่ใช่เรื่องใหม่ของการทำธุรกิจ เพราะแต่ละองค์กรจะมี Core Business ต่างกัน งานบางส่วนที่เป็นส่วน Support หรือ Ad-hoc ที่ไม่ได้เกิดบ่อยจนเกินไป การใช้ Outsourcing ก็ทำให้เกิด Productivity หรือให้ผลที่ดีกว่า ยิ่งไปกว่านั้น ในบางครั้งองค์กรไม่สามารถหาผู้เชี่ยวชาญได้ การใช้บริษัทที่ปรึกษา หรือบริษัทที่มี Core Business เป็น Service ตรงนี้ ก็ช่วยให้เกิดผลลัพธ์ที่เป็นรูปเป็นร่างมากกว่าอีกด้วย
มาถึงเรื่องของ Data Science ซึ่งเป็นเรื่องใหม่มากของบ้านเรา ในเมื่อก่อนหน้านี้เมื่อพูดถึงการวิเคราะห์ หรือ Analytics เราก็จะคิดถึง Excel กันบ้าง SPSS กันบ้าง หรือขยับไปใช้ BI Software กัน แต่ในปัจจุบันนี้ เมื่อ Data Science ได้เข้ามา Disrupt คำว่า Analytic แบบเดิม ที่แค่การบวก ลบ คูณ หาร หา SD Var และ Average หรือแม้กระทั่งการ Plot Graph เพื่อหาแนวโน้ม ไม่ตอบโจทย์อีกต่อไป เพราะหลักการของ Data Science เชื่อว่า Data จากทุก Environment สามารถมีสมการ หรือ Pattern เป็นของตัวเอง เพื่อให้ Insight ที่ลึกขึ้น
นั่นถึงเป็นที่มาว่า ทำไม Data Scientist จึงต้องเขียนโปรแกรมเอง เพราะเขาต้อง Design เองตั้งแต่ต้นน้ำว่าจะเอาอะไรมาเป็นวัตถุดิบ ยันปลายน้ำว่าจะแสดงผลลัพธ์อะไรออกไปบ้าง
การที่ Data Science เข้ามา Disrupt หลักการ Analytics แบบกระทันหันแบบนี้ สิ่งที่เกิดขึ้นชัดเจนก็คือ ขาดกำลังคน จึงเป็นที่มาว่า Data Scientist จริงๆ หาได้ยากมากในตลาดแรงงาน และด้วยความไม่เข้าใจถึงความเป็น Data Scientist จริงๆ ขององค์กร เมื่อจ้าง Data Scientist เข้าไปแล้ว ก็ไม่สามารถใช้ประโยชน์ของ Data Science ได้เต็มที่อีกด้วย
ทั้งนี้ ก่อนจะจ้าง Data Scientist ไปนั่งประจำ องค์กรเองก็ต้องมีการสำรวจแนวโน้ม และงานของตัวเองก่อน จากนั้นต้องมีการ Set บทบาทของทีมให้ชัดเจน เพื่อรองรับตำแหน่งใหม่ ซึ่งคงไม่ใช่มีแค่ Data Scientist แต่งต้องมี Data Engineer และ Data Analyst เพิ่มเข้ามาด้วยถึงจะครบทีม
ซึ่งหากวิเคราะห์ดูแล้ว ไม่ใช่ทุกองค์กร ที่จำเป็นต้องมี Data Scientist ยกตัวอย่าง ธุรกิจกลุ่ม SME ที่ต้องการมี Platform ในการสั่ง-ส่งสินค้า ต้องการมี Forecasting and Inventory Control Model ที่ทำงานอัตโนมัติไม่ต้องใช้ Human Judgement การต้องจ้างทั้ง Data Engineer และ Data Scientist ไปร่วมทีมอาจจะเป็นการลงทุนที่ไม่คุ้มค่า เพราะงานนี้ ใช้เวลาทำเพียงไม่นาน และ Data Scientist ที่เก่งๆ จะสามารถสร้าง Model ที่ฉลาดมากพอจะ Dynamic ได้เอง ดังนั้นกรณี การจ้าง Data Scientist แบบ Outsource หรือจ้างบริษัทที่ปรึกษาและรับทำงาน Big Data Platform แลดูจะคุ้มค่ากว่าเป็นอย่างมาก
ในบางกรณีที่องค์กรต้องการ Set up Team เอง การจ้างที่ปรึกษาไปคนช่วย Coach ก็ทำให้ทีมเข้าใจงานมากขึ้น เพราะในตลาดแรงงานมักจะพบ Junior Data Scientist หรือจบสายวิทยาศาสตร์-วิศวกรรมศาสตร์มา แล้วไปเรียน Online มา ซึ่งยังไม่เคยทำงานจริง ทำให้พอเข้างานจริงอาจไม่สามารถเข้าใจเนื้องานได้ การแก้ปัญหาตรงนี้ คือ องค์กรต้องมี Senior คอยตรวจงาน ก็กลับมาเป็นปัญหาเดิมอีกว่า Senior Data Scientist หาได้ยากเหลือเกิน
Data Scientist ไม่ใช่ผู้วิเศษ เขาจึงต้องฝึกฝน สะสมประสบการณ์ เพิ่ม Skill ของตัวเอง กว่าจะแข็งแกร่ง ในประเทศอเมริกามีคนกล่าวว่าจะเป็น Senior Data Scientist ต้องมีประสบการณ์ประมาณ 5-10 ปี
อย่างไรก็ตาม ถ้าเข้าใจงานด้าน Modeling จริง จะทราบว่าการทำงานของ Data Scientist นั้นเร็วมาก แต่ละ Project ไม่ได้ใช้เวลานานแต่อย่างใด โดยเฉพาะในยุคที่เทคโนโลยีคอมพิวเตอร์ก้าวหน้าล้ำสมัยขนาดนี้ แต่สิ่งที่ทำให้งานเดินช้า นั่นคือ ความไม่เข้าใจกัน หรือ Communication นั่นเอง
ดังนั้น ประโยชน์ที่องค์กรจะได้จากการจ้าง Data Expert Team แบบ Outsource ก็คือ ได้ผู้เชี่ยวชาญผู้มีประสบการณ์ไปทำงาน มีการการันตีทั้งประสิทธิภาพการทำงาน และเวลาในการส่งมอบ สามารถขึ้น Data Product ได้จริง และให้คำแนะนำในส่วนที่เกี่ยวข้องเพื่อพัฒนาต่อยอดได้ ที่สำคัญที่สุด คือ งานจบเร็วตามกำหนด (เพราะถ้าช้ากว่ากำหนด จะต้องถูกปรับ)
เพราะ “เวลา” คือสิ่งที่มีค่าที่สุดของทุกธุรกิจ เพราะเป็นสิ่งเดียว ที่เงินหาซื้อคืนมาให้ไม่ได้ ดังนั้นการจะจ้างผู้เชี่ยวชาญสักคน จึงต้องมั่นใจว่า เป็นการลงทุนไม่เสียเวลาจริงๆ
